标题：基于GMM-CNN-LSTM的发动机状态感知网络故障识别
作者：鲁统超 马乐乐 裴紫焱 孙震宇 陈维兴 王雷
作者单位：中国民航大学电子信息与自动化学院，天津 300300
关键字：深度学习；高斯混合模型；卷积神经网络；长短时记忆网络；QAR数据；特征提取
摘要：针对航空发动机控制系统传感器故障诊断特点，通过分析QAR中记录的相关数据，提出了GMM-CNN-LSTM的QAR传感器数据特征提取与故障检测模型。通过GMM将飞行过程划分为12个阶段，通过CNN与LSTM的有机结合，增强神经网络模型对QAR数据特征提取能力，实现对民航发动机传感器故障的精准检测。实验结果表明，GMM-CNN-LSTM混合网络模型的特征提取的能力更强、模型收敛速度更快，并且诊断准确率和稳定性更高。